bagging和boosting的區別
bagging和boosting的區別如下:
區別:含義不同、用法不同。bagging作為bag的現在分詞,是動詞,含義為把…裝進袋子、捕獲、得分;boosting作為boost的現在分詞;是動詞,含義為使增長、使興旺、偷竊。
Bagging:訓練集是碧拍在原始集中有放回選取的,從原始集中選出的各輪訓練集之間是獨立的。
Boosting:每壹輪的訓練集不變,只是訓練集中每個樣例在分類器中的權裂慧譽重發生變化。而權值是根據上壹輪的分類結果進行調整。
樣例權重:
Bagging:使用肆段均勻取樣,每個樣例的權重相等。
Boosting:根據錯誤率不斷調整樣例的權值,錯誤率越大則權重越大。
預測函數:
Bagging:所有預測函數的權重相等。
Boosting:每個弱分類器都有相應的權重,對於分類誤差小的分類器會有更大的權重。
Bagging:
1、抽樣:抽取訓練集中的樣本,以構建壹組新的訓練集。例句:“He used bagging to sample the data set, creating 75 different models.”(他使用抽樣從數據集中抽取樣本,創建75個不同的模型。)
2、並行:多個模型同時運行,完成訓練。例句:“The bagging algorithm ran concurrently, creating 10 models in 10 minutes.”(該bagging算法並行運行,在10分鐘內創建10個模型。)
3、聚合:將多個模型的輸出結果進行融合,以獲得更好的性能。例句:“He used bagging to aggregate the models,improving the accuracy of the prediction.”(他使用bagging對模型進行聚合,提高預測的準確性。)